Optimasi Produktivitas Alat Berat dengan Metode Simpleks LINGO (Heavy-Duty Productivity Optimization Using LINGO Simplex Method)
Notice bibliographique
Résumé
One of the areas that are now the location for clearing residential land is in Karang Widoro Village, which is now a plantation and fruit farm and has been purchased by the developer Podo Joyo Masyhur (PJM) Group who then runs the project "The OZ Tidar Housing, Malang" where the land being worked on has a total area of 47,000 m2. Construction work involving digging, hauling, and leveling equipment requires consideration so that the work can be carried out following the target volume of work and the specified time allocation. So it is necessary to carry out project control by considering aspects that affect excavation and backfill work by heavy equipment in the field. Several choices of methods in optimizing calculations and selecting tools to increase work productivity of heavy equipment are the Linear Simplex Method Program. Then combined with the use of currently widely developed software, this method is more effective in finding the best solution for a function with several variables from existing problems. LINGO can be a solution for optimizing work execution so that work targets can be completed on time with minimum operational costs and minimizing the number of units obtained. The results of the analysis of several factors that influence productivity are calculated using a linear program to achieve an optimum choice. The Simplex Method Lienar Program Optimization Model is: Minimization Z = 1836000 x1 + 483000 x2 + 712200 x3 (in IDR/day).ABSTRAKSalah satu area yang sekarang menjadi lokasi pembukaan lahan perumahan adalah di Desa Karang Widoro yang sekarang menjadi perkebunan dan pertanian buah serta telah dibeli oleh pengembang Podo Joyo Masyhur (PJM) Group yang kemudian menjalankan proyek “Perumahan The OZ Tidar, Malang” dimana lahan yang dikerjakan memiliki luas total 47.000 m2. Pada pekerjaan konstruksi yang mengikutsertakan alat gali-muat, angkut, dan perata tanah memerlukan pertimbangan agar pekerjaan dapat dilaksanakan sesuai dengan target volume pekerjaan dan alokasi waktu yang ditetapkan. Maka perlu dilakukan pengendalian proyek dengan mempertimbangkan aspek-aspek yang berpengaruh terhadap jalannya pekerjaan galian dan urukan oleh alat berat di lapangan. Beberapa pilihan metode dalam perhitungan optimasi dan pemilihan alat untuk peningkatan produktivitas kerja alat berat adalah Program Linear Metode Simpleks. Lalu digabungkan dengan penggunaan perangkat lunak yang saat ini banyak berkembang, metode ini lebih efektif dalam pencarian solusi terbaik suatu fungsi dengan beberapa variabel dari permasalahan yang ada. LINGO dapat menjadi solusi dalam optimasi pelaksanaan pekerjaan sehingga target pekerjaan dapat selesai tepat waktu dengan biaya operasional yang minimum serta meminimalkan jumlah unit yang didapatkan. Hasil analisis terhadap beberapa faktor yang berpengaruh pada produktivitas dan dihitung menggunakan program linear sehingga mampu dicapai pilihan yang optimum. Model Optimasi Program Lienar Metode Simpleks yang ditetapkan adalah : Minimasi Z =1836000 x1 + 483000 x2 + 712200 x3 (dalam Rp/hari)
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».